基于多模态大模型驱动的SAR图像描述方法、装置及设备

本申请涉及一种基于多模态大模型驱动的SAR图像描述方法、装置及设备，通过根据目标在所处场景中的多层关系，构建关于目标‑关系‑场景三层协同的分层式标注策略，构建包括描述提示指令、类别提示指令以及限制词提示指令的结构性提示词，将SAR图像与结构性提示词输入至多模态大模型中，该模型根据结构性提示词生成分层式标注策略中各层级对应的层级语义描述，将各层级语义描述进行重构融合得到初步语义描述，对初步语义描述进行质量分析，并根据质量分析结果对结构性提示词进行优化，并对初步语义描述按照语义描述标准进行修正得到语义描述。采用本方法可针对图像结构复杂、标注模式受限以及数据规模不足的问题，实现SAR图像的语义描述标注。